CN115759606A - 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 - Google Patents
一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 Download PDFInfo
- Publication number
- CN115759606A CN115759606A CN202211410917.XA CN202211410917A CN115759606A CN 115759606 A CN115759606 A CN 115759606A CN 202211410917 A CN202211410917 A CN 202211410917A CN 115759606 A CN115759606 A CN 115759606A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- vehicle
- charging
- node
- fuel cell
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Fuel Cell (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置,为解决配电网与交通网络耦合节点负荷表征困难,首先建立含电动汽车与氢燃料电池汽车能源系统、配电网与交通网数学模型,根据交通网络拓扑结构随机生成一定数量的OD对作为车辆出行需求,对每个出行车辆赋予初始电量或者氢气量等参数。其次建立道路阻抗函数和汽车充电状态、加氢状态判断函数,最后采用A*search算法搭建电动汽车最短充电路径模型与氢燃料电池汽车最短加氢路径模型,用户根据车辆能量状态、当前位置与该车辆目的地距离进行充电或加氢,得到此时充电站的电负荷与加氢站的氢负荷。对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
Description
技术领域
本发明属于综合能源系统与交通网络联合规划调度领域,涉及一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置。
背景技术
氢能作为一种优质的二次能源,在能源转型、零碳出行方面表现出巨大潜力,燃料电池汽车是氢能在交通领域的重要应用。燃料电池汽车(Hydrogen fuel cell vehicle,HFCV)作为绿色交通工具受到广泛关注。目前HFCV尚未全面普及的原因有购买价格、燃料成本、维护费用高、加氢站配套设施不完整等。然而高比例接入的电动汽车集中充电对电网产生重大冲击;无序充电负荷会导致电网负荷出现多个尖峰负荷,危及电网稳定性,相比电动汽车来说,HFCV加氢时间短且制氢负荷与电力负荷高峰存在时间上的延迟,不会增加供电难度与电网运行压力。随着技术发展成熟和制氢成本下降,燃料电池汽车以其能量密度高、零排放、加注速度快等特点,具有广阔的发展前景。由于燃料电池汽车出行时间具有高度的随机性导致加氢负荷难以预测。
目前对于电动汽车充电负荷与氢燃料电池汽车加氢负荷模拟方法,大都借鉴电动汽车负荷预测技术采用经过该节点交通流量与充电率系数乘积。但是这种负荷模拟方法并不能处理电动汽车与氢燃料电池汽车出行时间的随机性以及道路阻抗变化,导致加氢负荷预测不够合理。
发明内容
针对以上现有技术存在的问题,本发明提出一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置,从而解决配电网与交通网络耦合节点负荷表征困难的问题。
为达到上述目的,本发明采用的技术方案如下:
一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,具体包括如下步骤:
步骤1:构建考虑配电网、交通网和能源系统耦合的电动汽车与氢燃料电池汽车负荷模拟框架,并对所述配电网建模实现对电动汽车与氢燃料电池汽车供能;采用一系列道路和路口组成的无向图G=[TN,TL]对交通网建模,其中TN为节点集,TL为线路集;其中节点N对应交叉路口,线路L对应连接节点的道路;一个具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
制氢模型用式(1)表示:
加氢站中采用储氢罐来存储多余的氢气进行备用,储氢模型如下式所示:
式中:为节点j加氢站t时刻的储氢状态;为节点j加氢站t-1时刻储氢状态;为t时刻第j个电解槽t时段产氢量;为第j个加氢站在t时刻氢气负荷;分别为第i个储氢罐调度周期开始时氢气量和调度周期结束时氢气量; 分别为储氢罐存储氢气体积下限与上限;
邻接矩阵A表示为:
式(3)中:行向量对应支路,列向量对应节点;如果第a条支路是从i节点到j节点则Aai=1、Aaj=-1,其余分量为0;
步骤2:基于所述交通网模型,采用交通起止点OD矩阵刻画电动汽车与氢燃料电池汽车出行需求模型MOD;
式中:Mrs为从节点r出发去节点s的车流量;
步骤3:根据所述需求模型MOD,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
步骤4:基于电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径;
步骤5:根据所述最短的出行路径、车辆当前位置信息得到的剩余里程信息,通过电动汽车电池状态与氢燃料电池加氢状态在确定出需要进行充电加氢,确定充电加氢负荷计算方法。
进一步地,所述步骤1中:
同区域交通网相连形成配电系统,配电网为辐射状网络,其潮流方程形式如下:
式中:和分别为节点j在t时刻注入有功功率和无功功率;B和B0分别为配电网节点集合和参考节点;和θ(j)分别为节点j的子节点集合和父节点集合;和分别为上级电网注入配电网有功功率和无功功率;和分别为节点i在t时刻燃气轮机有功出力、加氢站负荷、风电出力和电负荷;和分别为节点i到节点j线路上有功潮流和无功功率;vit和V0分别节点i在t时刻电压和参考电压;vjt为点i在t时刻电压;Rij表示节点i与节点j之间的电阻;Xij表示节点i与节点j之间的电抗;表示电压偏差;与分别表示线路最大传输有功和无功功率。
进一步地,所述步骤3中,用户车辆每出行至一个节点,该算法能够自动根据路况变化,调整前期规划路径,确定下一目标节点所述电动汽车或氢燃料电池汽车针对出行需求随机且行驶路径不固定的私家车。
进一步地,所述步骤3中,所述电动汽车充电特性包含充电站编号、充电起始时间、充电结束时间、电池荷电状态、每公里耗电量和充满时电池状态;其中,每公里的耗电量根据道路路况不同建立电动汽车单位里程耗电量模型Cm;电动汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cevr为电动汽车充电特性参数集合;TevN为电动汽车行驶特性参数集合;Cevh是充电站编号;tevs为充电起始时间;tevd为充电结束时间;Ct为t时刻电池状态;Cm为每公里耗电量;CF为充满电电池状态;Nev为车辆编号;Levt为t时刻车辆位置;Revp为行驶路径;Oevp为车辆出发点;Devs为车辆目的地;EV表示电动汽车。
电动汽车单位里程耗电量模型Cm:
进一步地,所述步骤3中,所述车辆加氢特性包含加氢站编号、加氢时间、加氢时间、氢气状态、每公里耗氢量和加满时氢气状态;其中每公里的耗氢量根据道路路况不同建立氢燃料电池汽车单位里程耗氢量模型Hm;所述车辆行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cfcr为汽车加氢特性参数集合;TfcN为汽车行驶特性参数集合;Cfch是加氢站编号;tfcs为加氢时间;Ht为t时刻氢气状态;HF为加满时氢气状态;Nfcv为车辆编号;Lfct为t时刻车辆位置;Rfcp为行驶路径;Ofcp为车辆出发点;Dfcs为车辆目的地;HFCV表示氢燃料电池汽车;
氢燃料电池汽车单位里程耗氢量模型Hm:
进一步地,所述步骤4中,以邻接矩阵A为数据基础,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径,具体步骤如下:
1)根据交通网络邻接矩阵A、路阻函数、OD对获取实时路阻函数与起讫节点;对路网中所有节点分成两个集合S和W,分别存储待访问的节点和已访问过的节点;
2)初始化:添加起点到S集合,寻找起点可以到达的节点,一并放入集合S,并将起点设置为父节点;
3)从集合S中删除起点,并将起点放入集合W中;
4)计算当前父节点周围子节点的预估函数,预估函数采用下式计算:
f(n)=g(n)+h(n)
式中:f(n)表示该节点的综合预估值;g(n)表示从起点到当前节点的距离;h(n)采用曼哈顿距离公式,表示当前节点到目标节点的距离;
5)选择预估值最小的节点,将其设置为父节点,从S中删除该节点并将该加入到W集合中;
6)重复步骤4)和步骤5),直至达到目标节点;
7)输出集合W中的节点,得到汽车行驶路径。
进一步地,所述的步骤5具体计算方法如下:
(1)获取交通网信息包括路段长度、路段最大交通流量和路段阻抗,读取交通网中电动汽车与氢燃料电池汽车出行需求包括出行时间和初始位置和车辆目的地、随机生成电动汽车SOC与氢燃料电池汽车SOH;
(2)根据电动汽车当前位置信息得到剩余里程信息,电动汽车通过充电状态进行判断是否需要进行充电;若需要,则为电动汽车搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余电量、当前位置与该车辆目的距离进行充电,得到此时充电站的电负荷;充电结束后,根据当前道路路阻规划汽车的最短行驶路径。若不需要,则按照规划路径进行行驶;对系统内所有电动汽车情况进行判断,当所有车辆路径规划完成则退出;充电站负荷根据下式计算:
式中:为位于j节点t时刻充电站负荷;CF为电动汽车充满时电池状态;Ci,t为第i辆电动汽车t时刻电池状态;A为交通网络矩阵;Cevr、TevN分别为电动汽车充电特性与行驶特性;δ()表示电动汽车路径优化函数,得到充电需求与所选择充电站信息;
(3)根据车辆当前位置信息得到剩余里程信息,通过加氢状态进行判断是否需要进行加氢;若需要,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出;加氢站负荷根据下式计算:
式中:为位于j节点t时刻加氢站负荷;HF为氢燃料电池汽车加满时氢气状态;Hi,t为第i辆氢燃料电池汽车t时刻氢气状态;A为交通网络矩阵;Cfcr、TfcN分别为氢燃料电池汽车加氢特性与汽车行驶特性;δ()表示氢燃料电池汽车路径优化函数,得到加氢需求与所选择加氢站信息。
进一步地,所述的步骤5中,若需要进行充电,则为车辆搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行充电,得到此时充电站的电负荷;若不需要进行充电,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
进一步地,所述的步骤5中,若需要进行加氢,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要进行加氢,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
本发明还提供一种实现上述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的装置,包括:
建立框架系统模块:用于构建配电网、交通网和能源系统耦合的电氢负荷模拟框架;采用一系列道路和路口组成的无向图对交通网建模,获得交通网模型;一个具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
交通汽车出行模块:在交通网模型中,采用交通起止点OD矩阵刻画交通网电动汽车与氢燃料电池汽车出行需求模型MOD;
汽车充能行驶模块:在得到电动汽车与氢燃料电池汽车出行需求的基础上,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
充能路径规划模块:在获取电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性的基础上,以A*search算法为基础,融入实时路况信息,以电动汽车与氢燃料电池汽车动态路径规划耗时最短为目标;
电氢需求计算模块:根据车辆当前位置信息得到剩余里程信息,通过充电状态与加氢状态进行判断是否需要进行充电加氢,得到充电加氢负荷计算方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的步骤。
有益效果:
本发明考虑电动汽车与氢燃料电池汽车充电加氢需求,构建电-氢-交通网络耦合系统协同优化运行模型,基于用户出行需求,采用A*search算法确定电动汽车与氢燃料电池汽车行驶路径,并且给出电动汽车与氢燃料电池汽车充电加氢规则,得到计及充电加氢行为下交通流量分配模型与配电网负荷模型,提高了新能源的利用,促进综合能源系统与交通网络融合。
附图说明
图1是本发明实施一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
具体地,如图1所示,本发明的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法具体包括如下步骤:
步骤1:对配电网、交通网与能源系统进行建模,构建考虑配电网、交通网和能源系统耦合的电动汽车与氢燃料电池汽车负荷模拟框架,采用Lindistflow对配电网建模;采用一系列道路和路口组成的无向图G=[TN,TL]对交通网建模形成交通网络模型,其中TN为节点集,TL为线路集。其中节点N对应交叉路口,线路L对应连接节点的道路,道路拓扑结构采用道路邻接矩阵进行描述。对于一个具有N个节点、M条支路组成的交通网络可以进一步表示为邻接矩阵(Adjacent matrix)A。
氢能系统中,加氢站通过电解槽装置消耗上级电网与风电场的电力来生产氢气,加压存储。当燃料电池汽车加氢时,通过加氢机将储氢罐中高压气态氢充入燃料电池汽车,由于加氢时间相较于行驶时间来说很短,因此在本发明中不考虑加氢站等待以及充注时间;不考虑加氢过程中产生的能量损耗,制氢模型用式(1)进行表示:
加氢站中采用储氢罐来存储多余的氢气进行备用,储氢模型如下式所示。
式中:为节点j加氢站t时刻的储氢状态;为节点j加氢站t-1时刻储氢状态;为t时刻第j个电解槽t时段产氢量;为第j个加氢站在t时刻氢气负荷;分别为第i个储氢罐调度周期开始时氢气量和调度周期结束时氢气量; 分别为储氢罐存储氢气体积下限与上限。
对于一个具有N个节点、M条支路组成的交通网络可以进一步表示为邻接矩阵(Adjacent matrix)A,具体表示为:
式中:行向量对应支路,列向量对应节点。如果第a条支路是从i节点到j节点则Aai=1、Aaj=-1,其余分量为0。
同区域交通网相连的配电系统,配电网为辐射状网络,其潮流方程形式如下:
式中:和分别为节点j在t时刻注入有功功率和无功功率;B和B0分别为配电网节点集合和参考节点;和θ(j)分别为节点j的子节点集合和父节点集合;和分别为上级电网注入配电网有功功率和无功功率;和分别为节点i在t时刻燃气轮机有功出力、加氢站负荷、风电出力和电负荷;和分别为节点i到节点j线路上有功潮流和无功功率;vit和V0分别节点i在t时刻电压和参考电压;vjt为点i在t时刻电压;Rij表示节点i与节点j之间的电阻;Xij表示节点i与节点j之间的电抗;表示电压偏差;与分别表示线路最大传输有功和无功功率。
步骤2:采用交通起止点(Original-Destination)OD矩阵来刻画电动汽车与氢燃料电池汽车出行需求模型MOD,出发节点和到达节点通常为工作区、住宅区,途经节点通常为路口等。
电动汽车与氢燃料电池汽车出行需求采用交通起止点(Original-Destination)OD矩阵来刻画,(r,s)定义为OD对,其中r为OD对起点、s为OD对终点,MOD为O-D对集合。出发节点和到达节点通常为工作区、住宅区,途经节点通常为路口等。
式中:Mrs为从节点r出发去节点s的车流量。
步骤3:根据所述需求模型MOD,,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
电动汽车充电特性包含充电站编号、充电起始时间、充电结束时间、电池荷电状态、每公里耗电量和充满时电池状态;其中,每公里的耗电量根据道路路况不同建立电动汽车单位里程耗电量模型Cm;电动汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cevr为电动汽车充电特性参数集合;TevN为电动汽车行驶特性参数集合;Cevh是充电站编号;tevs为充电起始时间;tevd为充电结束时间;Ct为t时刻电池状态;Cm为每公里耗电量;CF为充满电电池状态;Nev为车辆编号;Levt为t时刻车辆位置;Revp为行驶路径;Oevp为车辆出发点;Devs为车辆目的地;EV表示电动汽车。
电动汽车单位里程耗电量模型Cm:
氢燃料电池汽车加氢特性包含加氢站编号、加氢时间、氢气状态、每公里耗氢量和加满时氢气状态;其中每公里的耗氢量根据道路路况不同建立氢燃料电池汽车单位里程耗氢量模型Hm;氢燃料电池汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cfcr为汽车加氢特性参数集合;TfcN为汽车行驶特性参数集合;Cfch是加氢站编号;tfcs为加氢时间;Ht为t时刻氢气状态;HF为加满时氢气状态;Nfcv为车辆编号;Lfct为t时刻车辆位置;Rfcp为行驶路径;Ofcp为车辆出发点;Dfcs为车辆目的地;HFCV表示氢燃料电池汽车。
步骤4:基于电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型,,以邻接矩阵A为数据基础,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径:即用户车辆每出行至一个节点,该算法能够自动根据路况变化,调整前期规划路径,确定下一目标节点;
1)根据交通网络邻接矩阵A、路阻函数、OD对获取实时路阻函数与起讫节点;对路网中所有节点分成两个集合S和W,分别存储待访问的节点和已访问过的节点;
2)初始化:添加起点到S集合,寻找起点可以到达的节点,一并放入集合S,并将起点设置为父节点;
3)从集合S中删除起点,并将起点放入集合W中;
4)计算当前父节点周围子节点的预估函数,预估函数采用下式计算:
f(n)=g(n)+h(n)
式中:f(n)表示该节点的综合预估值;g(n)表示从起点到当前节点的距离;h(n)采用曼哈顿距离公式,表示当前节点到目标节点的距离;
5)选择预估值最小的节点,将其设置为父节点,从S中删除该节点并将该加入到W集合中;
6)重复步骤4)和步骤5),直至达到目标节点;
7)输出集合W中的节点,得到汽车行驶路径。
步骤5:根据所述最短的出行路径、车辆当前位置信息得到的剩余里程信息,通过电动汽车电池状态与氢燃料电池加氢状态在确定出需要进行充电加氢时,确定充电加氢负荷计算方法:
(1)首先获取交通网信息包括路段长度、路段最大交通流量和路段阻抗,读取交通网中电动汽车与氢燃料电池汽车出行需求包括出行时间和初始位置和车辆目的地、随机生成电动汽车SOC与氢燃料电池汽车SOH。
(2)根据电动汽车当前位置信息得到剩余里程信息,电动汽车通过充电状态进行判断是否需要进行充电;若需要,则为电动汽车搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余电量、当前位置与该车辆目的距离进行充电,得到此时充电站的电负荷;充电结束后,根据当前道路路阻规划汽车的最短行驶路径。若不需要,则按照规划路径进行行驶;对系统内所有电动汽车情况进行判断,当所有车辆路径规划完成则退出;充电站负荷根据下式计算:
式中:为位于j节点t时刻充电站负荷;CF为电动汽车充满时电池状态;Ci,t为第i辆电动汽车t时刻电池状态;A为交通网络矩阵;Cevr、TevN分别为电动汽车充电特性与行驶特性;δ()表示电动汽车路径优化函数,得到充电需求与所选择充电站信息;
(3)根据氢燃料电池汽车当前位置信息得到剩余里程信息,通过加氢状态进行判断是否需要进行加氢。若需要,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要,则按规划路径进行行驶。对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
式中:为位于j节点t时刻加氢站负荷;HF为燃料电池汽车加满时氢气状态;Hi,t为第i辆燃料电池汽车t时刻氢气状态;A为交通网络矩阵;Cfcr、TfcN分别为燃料电池汽车加氢特性与汽车行驶特性;δ()表示燃料电池汽车路径优化函数,得到加氢需求与所选择加氢站信息。
本发明还提供一种实现电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的装置,具体包括:
建立框架系统模块:用于构建配电网、交通网和能源系统耦合的电氢负荷模拟框架;采用一系列道路和路口组成的无向图对交通网建模,获得交通网模型;一个具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
交通汽车出行模块:在交通网模型中,采用交通起止点OD矩阵刻画交通网燃料电池汽车出行需求模型MOD;
汽车充能行驶模块:在得到电动汽车与氢燃料电池汽车出行需求的基础上,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
充能路径规划模块:在获取电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性的基础上,以A*search算法为基础,融入实时路况信息,以电动汽车与氢燃料电池汽车动态路径规划耗时最短为目标;
电氢需求计算模块:根据车辆当前位置信息得到剩余里程信息,通过充电状态与加氢状态进行判断是否需要进行充电加氢,得到充电加氢负荷计算方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本领域内的技术人员应明白,本申请实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (16)
1.一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,具体包括如下步骤:
步骤1:构建考虑配电网、交通网和能源系统耦合的电动汽车与氢燃料电池汽车负荷模拟框架,并对所述配电网建模实现对电动汽车与氢燃料电池汽车供能;采用一系列道路和路口组成的无向图对交通网建模,获得交通网模型;一个具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
步骤2:基于所述交通网模型,采用交通起止点OD矩阵刻画交通网电动汽车与氢燃料电池汽车出行需求模型MOD;
步骤3:根据所述需求模型MOD,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
步骤4,基于电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径;
步骤5:根据所述最短的出行路径、车辆当前位置信息得到的剩余里程信息,通过电动汽车电池状态与氢燃料电池加氢状态在确定出需要进行充电加氢时,确定充电加氢负荷计算方法。
3.根据权利要求1所述的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述步骤3中,所述电动汽车充电特性包含充电站编号、充电起始时间、充电结束时间、电池荷电状态、每公里耗电量和充满时电池状态;其中,每公里的耗电量根据道路路况不同建立电动汽车单位里程耗电量模型Cm;电动汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cevr为电动汽车充电特性参数集合;TevN为电动汽车行驶特性参数集合;Cevh是充电站编号;tevs为充电起始时间;tevd为充电结束时间;Ct为t时刻电池状态;Cm为每公里耗电量;CF为充满电电池状态;Nev为车辆编号;Levt为t时刻车辆位置;Revp为行驶路径;Oevp为车辆出发点;Devs为车辆目的地;EV表示电动汽车;
电动汽车单位里程耗电量模型Cm:
4.根据权利要求1所述的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述步骤3中,所述车辆加氢特性包含加氢站编号、加氢时间、氢气状态、每公里耗氢量和加满时氢气状态;其中每公里的耗氢量根据道路路况不同建立氢燃料电池汽车单位里程耗氢量模型Hm;氢燃料电池汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cfcr为氢燃料电池汽车加氢特性参数集合;TfcN为氢燃料电池汽车行驶特性参数集合;Cfch是加氢站编号;tfcs为加氢时间;Ht为t时刻氢气状态;HF为加满时氢气状态;Nfcv为车辆编号;Lfct为t时刻车辆位置;Rfcp为行驶路径;Ofcp为车辆出发点;Dfcs为车辆目的地;HFCV表示氢燃料电池汽车;
氢燃料电池汽车单位里程耗氢量模型Hm:
5.根据权利要求1所述的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述步骤4中,以邻接矩阵A为数据基础,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径,具体步骤如下:
1)根据交通网络邻接矩阵A、路阻函数、OD对获取实时路阻函数与起讫节点;对路网中所有节点分成两个集合S和W,分别存储待访问的节点和已访问过的节点;
2)初始化:添加起点到S集合,寻找起点可以到达的节点,一并放入集合S,并将起点设置为父节点;
3)从集合S中删除起点,并将起点放入集合W中;
4)计算当前父节点周围子节点的预估函数,预估函数采用下式计算:
f(n)=g(n)+h(n)
式中:f(n)表示该节点的综合预估值;g(n)表示从起点到当前节点的距离;h(n)采用曼哈顿距离公式,表示当前节点到目标节点的距离;
5)选择预估值最小的节点,将其设置为父节点,从S中删除该节点并将该加入到W集合中;
6)重复步骤4)和步骤5),直至达到目标节点;
7)输出集合W中的节点,得到汽车行驶路径。
6.根据权利要求1所述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述的步骤5具体计算方法如下:
(1)获取交通网信息包括路段长度、路段最大交通流量和路段阻抗,读取交通网中电动汽车与氢燃料电池汽车出行需求包括出行时间和初始位置和车辆目的地、随机生成电动汽车SOC与氢燃料电池汽车SOH;
(2)根据电动汽车当前位置信息得到剩余里程信息,电动汽车通过充电状态进行判断是否需要进行充电;若需要,则为电动汽车搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余电量、当前位置与该车辆目的距离进行充电,得到此时充电站的电负荷;充电结束后,根据当前道路路阻规划汽车的最短行驶路径。若不需要,则按照规划路径进行行驶;对系统内所有电动汽车情况进行判断,当所有车辆路径规划完成则退出;充电站负荷根据下式计算:
式中:为位于j节点t时刻充电站负荷;CF为电动汽车充满时电池状态;Ci,t为第i辆电动汽车t时刻电池状态;A为交通网络矩阵;Cevr、TevN分别为电动汽车充电特性与行驶特性;δ()表示电动汽车路径优化函数,得到充电需求与所选择充电站信息;
(3)根据氢燃料电池汽车当前位置信息得到剩余里程信息,通过加氢状态进行判断是否需要进行加氢;若需要,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要,则按规划路径进行行驶;对系统内所有氢燃料电池汽车到达目的地情况进行判断,当所有车辆路径规划完成则退出;加氢站负荷根据下式计算:
7.根据权利要求1所述的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述的步骤5中,若需要进行充电,则为车辆搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余电量、当前位置与该车辆目的地距离进行充电,得到此时充电站的电负荷;若不需要进行充电,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
8.根据权利要求1所述的一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法,其特征在于,所述的步骤5中,若需要进行加氢,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要进行加氢,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有车辆路径规划完成则退出。
9.一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的装置,其特征在于,包括:
建立框架系统模块:用于构建配电网、交通网和能源系统耦合的电氢负荷模拟框架;采用一系列道路和路口组成的无向图对交通网建模,获得交通网模型;一个具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
交通汽车出行模块:在交通网模型中,采用交通起止点OD矩阵刻画交通网电动汽车与氢燃料电池汽车出行需求模型MOD;
汽车充能行驶模块:在得到电动汽车与氢燃料电池汽车出行需求的基础上,分别建立电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性模型;
充能路径规划模块:在获取电动汽车充电特性与行驶特性模型和氢燃料电池汽车加氢特性与行驶特性的基础上,以A*search算法为基础,融入实时路况信息,以电动汽车与氢燃料电池汽车动态路径规划耗时最短为目标;
电氢需求计算模块:根据车辆当前位置信息得到剩余里程信息,通过充电状态与加氢状态进行判断是否需要进行充电加氢,得到充电加氢负荷计算方法。
10.根据权利要求9所述的装置,其特征在于,所述具有N个节点、M条支路组成的交通网络表示为邻接矩阵A;
邻接矩阵A表示为:
式(5)中:行向量对应支路,列向量对应节点;如果第a条支路是从i节点到j节点则Aai=1、Aaj=-1,其余分量为0;
建立框架系统模块包括制氢模型,其用式(11)表示:
加氢站中采用储氢罐来存储多余的氢气进行备用,储氢模型如下式所示:
式中:为节点j加氢站t时刻的储氢状态;为节点j加氢站t-1时刻储氢状态;为t时刻第j个电解槽t时段产氢量;为第j个加氢站在t时刻氢气负荷;分别为第i个储氢罐调度周期开始时氢气量和调度周期结束时氢气量; 分别为储氢罐存储氢气体积下限与上限;
同区域交通网相连形成配电系统,配电网为辐射状网络,其潮流方程形式如下:
11.根据权利要求9所述的装置,其特征在于,所述电动汽车充电特性包含充电站编号、充电起始时间、充电起始时间、充电结束时间、电池荷电状态、每公里耗电量和充满时电池状态;其中,每公里的耗电量根据道路路况不同建立电动汽车单位里程耗电量模型Cm;电动汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cevr为电动汽车充电特性参数集合;TevN为电动汽车行驶特性参数集合;Cevh是充电站编号;tevs为充电起始时间;tevd为充电结束时间;Ct为t时刻电池状态;Cm为每公里耗电量;CF为充满电电池状态;Nev为车辆编号;Levt为t时刻车辆位置;Revp为行驶路径;Oevp为车辆出发点;Devs为车辆目的地;EV表示电动汽车。
电动汽车单位里程耗电量模型Cm:
12.根据权利要求9所述的装置,其特征在于,所述氢燃料电池汽车充能行驶模块中,所述车辆加氢特性包含加氢站编号、加氢时间、氢气状态、每公里耗氢量和加满时氢气状态;每公里的耗氢量根据道路路况不同建立氢燃料电池汽车单位里程耗氢量模型Hm;氢燃料电池汽车行驶特性包括车辆编号、车辆位置信息、行驶路径、车辆出发和到达节点编号;
式中:Cfcr为氢燃料电池汽车加氢特性参数集合;TfcN为氢燃料电池汽车行驶特性参数集合;Cfch是加氢站编号;tfcs为加氢时间;Ht为t时刻氢气状态;Hc为每公里耗氢量;HF为加满时氢气状态;Nfcv为车辆编号;Lfct为t时刻车辆位置;Rfcp为行驶路径;Ofcp为车辆出发点;Dfcs为车辆目的地;HFCV表示氢燃料电池汽车;
氢燃料电池汽车单位里程耗氢量模型Hm:
13.根据权利要求9所述的装置,其特征在于,所述充能路径规划模块用于以邻接矩阵A为数据基础,以A*search算法为基础,融入实时路况信息,为用户动态规划耗时最短的出行路径,包括:
1)根据交通网络邻接矩阵A、路阻函数、OD对获取实时路阻函数与起讫节点;对路网中所有节点分成两个集合S和W,分别存储待访问的节点和已访问过的节点;
2)初始化:添加起点到S集合,寻找起点可以到达的节点,一并放入集合S,并将起点设置为父节点;
3)从集合S中删除起点,并将起点放入集合W中;
4)计算当前父节点周围子节点的u预估函数,预估函数采用下式计算:
f(n)=g(n)+h(n)
式中:f(n)表示该节点的综合预估值;g(n)表示从起点到当前节点的距离;h(n)采用曼哈顿距离公式,表示当前节点到目标节点的距离;
5)选择预估值最小的节点,将其设置为父节点,从S中删除该节点并将该加入到W集合中;
6)重复步骤4)和步骤5),直至达到目标节点;
7)输出集合W中的节点,得到汽车行驶路径。
14.根据权利要求9所述的装置,其特征在于,其中所述电氢需求计算模块用于:
(1)获取交通网信息包括路段长度、路段最大交通流量和路段阻抗,读取交通网中电动汽车与氢燃料电池汽车出行需求包括出行时间和初始位置和车辆目的地、随机生成电动汽车SOC与氢燃料电池汽车SOH;
(2)根据电动汽车当前位置信息得到剩余里程信息,电动汽车通过充电状态进行判断是否需要进行充电;若需要,则为电动汽车搜索剩余电量状态范围内最近的充电站,采用A*search算法规划充电路径,用户根据车辆剩余电量、当前位置与该车辆目的距离进行充电,得到此时充电站的电负荷;充电结束后,根据当前道路路阻规划汽车的最短行驶路径。若不需要,则按照规划路径进行行驶;对系统内所有电动汽车情况进行判断,当所有车辆路径规划完成则退出;充电站负荷根据下式计算:
式中:为位于j节点t时刻充电站负荷;CF为电动汽车充满时电池状态;Ci,t为第i辆电动汽车t时刻电池状态;A为交通网络矩阵;Cevr、TevN分别为电动汽车充电特性与行驶特性;δ()表示电动汽车路径优化函数,得到充电需求与所选择充电站信息。
(3)根据氢燃料电池汽车当前位置信息得到剩余里程信息,通过加氢状态进行判断是否需要进行加氢;若需要,则为车辆搜索剩余氢气状态范围内最近的加氢站,采用A*search算法规划加氢路径,用户根据车辆剩余氢气量、当前位置与该车辆目的地距离进行加氢,得到此时加氢站的氢气负荷;若不需要,则按规划路径进行行驶;对系统内所有车辆到达目的地情况进行判断,当所有氢燃料电池汽车路径规划完成则退出;加氢站负荷根据下式计算:
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8中任一项所述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的步骤。
16.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8中任一项所述的电动汽车与氢燃料电池汽车充电加氢负荷模拟方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410917.XA CN115759606A (zh) | 2022-11-11 | 2022-11-11 | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410917.XA CN115759606A (zh) | 2022-11-11 | 2022-11-11 | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759606A true CN115759606A (zh) | 2023-03-07 |
Family
ID=85369534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211410917.XA Pending CN115759606A (zh) | 2022-11-11 | 2022-11-11 | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759606A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861627A (zh) * | 2023-05-29 | 2023-10-10 | 河海大学 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
CN117194929A (zh) * | 2023-11-06 | 2023-12-08 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于大数据平台的燃料电池汽车加氢行为分析方法和系统 |
-
2022
- 2022-11-11 CN CN202211410917.XA patent/CN115759606A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861627A (zh) * | 2023-05-29 | 2023-10-10 | 河海大学 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
CN116861627B (zh) * | 2023-05-29 | 2024-05-14 | 河海大学 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
CN117194929A (zh) * | 2023-11-06 | 2023-12-08 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于大数据平台的燃料电池汽车加氢行为分析方法和系统 |
CN117194929B (zh) * | 2023-11-06 | 2024-01-30 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于大数据平台的燃料电池汽车加氢行为分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmad et al. | An enhanced approach to optimally place the solar powered electric vehicle charging station in distribution network | |
CN115759606A (zh) | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 | |
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
Hou et al. | A reliability assessment approach for integrated transportation and electrical power systems incorporating electric vehicles | |
Wang et al. | Traffic-constrained multiobjective planning of electric-vehicle charging stations | |
CN109523051A (zh) | 一种电动汽车充电实时优化调度方法 | |
Sun et al. | Coordinated operation of hydrogen-integrated urban transportation and power distribution networks considering fuel cell electric vehicles | |
Zhang et al. | Yen’s algorithm-based charging facility planning considering congestion in coupled transportation and power systems | |
CN113029182A (zh) | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 | |
CN110388932A (zh) | 一种电动汽车充电导航方法 | |
CN107067136A (zh) | 电动汽车充电分配方法及装置 | |
Zhang et al. | Planning of hydrogen refueling stations in urban setting while considering hydrogen redistribution | |
CN114022046B (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN114722714A (zh) | 一种考虑交通均衡的电力-交通耦合网络扩展规划方法 | |
Wu et al. | Low-carbon charging facilities planning for electric vehicles based on a novel travel route choice model | |
Liao et al. | Load modeling for electric taxi battery charging and swapping stations: Comparison studies | |
CN112016745A (zh) | 一种电动汽车充电站规划方法 | |
CN116961057A (zh) | 一种考虑电动汽车的多时段配电网故障恢复方法 | |
CN114357681A (zh) | 一种考虑综合因素指标的制氢加氢站布点优化方法 | |
CN115081153A (zh) | 一种考虑车载容量和站点容量的公交网络设计优化方法 | |
CN113762588A (zh) | 以城市路网为主体的充电基础设施配置方法 | |
Ni et al. | Collaborative mobile charging vehicles placement: A reinforcement learning approach | |
Huang et al. | Integrated charging facility and fleet planning for shared mobility-on-demand system | |
Zhenghui et al. | The layout optimization of charging stations for electric vehicles based on the chaos particle swarm algorithm | |
Li et al. | Deep Reinforcement Learning-Based Charging Price Determination Considering the Coordinated Operation of Hydrogen Fuel Cell Electric Vehicle, Power Network and Transportation Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |